小册描述
目录
- 计算机与人工智能
- 从简单的预测机开始
- 分类器与预测器的差别
- 训练简单的分类器
- 一个分类器求解问题的局限性
- 神经元—大自然的计算机器
- 在神经网络中追踪信号
- 大有用途的矩阵乘法
- 使用矩阵乘法的三层神经网络示例
- 学习来自多个节点的权重
- 多个输出节点反向传播误差
- 反向传播误差到更多层中
- 使用矩阵乘法进行反向传播误差
- 我们实际上如何更新权重
- 权重更新成功范例
- 准备训练数据
- 使用Python制作神经网络
- 初始化网络
- 权重—网络的核心
- 更加复杂的权重
- 训练神经的查询网络
- 完整的代码整理
- 开始训练任务之训练网络
- 手写数字的数据集MNIST
- 准备MNIST训练数据
- 使用数据集测试网络
- 使用完整数据集进行训练和测试
- 一些改进:调整学习率
- 一些改进:多次运行
- 改变网络形状
- 最终代码
- 实践-自己的手写数字
- 实践-创建新的训练数据:旋转图像